Nutzung Künstlicher Intelligenz zur automatisierten Analyse flüssigkeitsbasierter Bürstenabstriche – Entwicklung eines Screening Tools für Kopf-Hals-Tumoren basierend auf Deep Learning Algorithmen
Laryngo-Rhino-Otologie · 01.05.2024 · 103 (S 02 S 02) · S27
DOI: 10.1055/s-0044-1784022 ↗Kurz gefasst
Fachartikel in der Zeitschrift Laryngo-Rhino-Otologie, erschienen am 01.05.2024. Verfasst von Johanna Helfrich und 6 weiteren Autor:innen.
Abstract (Originalsprache)
Hintergrund
Orale Plattenepithelkarzinome (OSCCs) zeigen ein ausgesprochen heterogenes klinisches Erscheinungsbild. Entscheidend, um das klinische Outcome für betroffene Patienten zu verbessern, ist die frühestmögliche Diagnose. Die Abstrichzytologie ist ein kostengünstiges, nicht-invasives diagnostisches Mittel zur Früherkennung maligner Läsionen der Mundschleimhaut. Ziel dieser Arbeit ist die Evaluation eines Programmes, basierend auf künstlicher Intelligenz, in Hinblick auf die korrekte Analyse von Abstrichen suspekter Läsionen im Mundraum. Material und Methoden 100 Patienten mit klinisch suspekten Veränderungen der Mund-/Rachenschleimhaut wurden eingeschlossen. Von den Läsionen wurden jeweils Bürstenabstriche wie auch Biopsien gewonnen. Neben einer PAP-Färbung für die zytomorphologische Analyse wurden von jedem Abstrich-Präparat 10 repräsentative 2D Bilder angefertigt, welche dem Deep-Learning Algorithmus der künstlichen Intelligenz als Lern-Basis zur Ausbildung eines neuronalen Netzwerkes dienten. Resultate In 99 von 100 Fällen konnten OSCCs histologisch nachgewiesen werden, in einem weiteren Fall fand sich eine hochgradige Dysplasie. Insgesamt stimmte die zytopathologische Auswertung in 98 von 100 Fällen mit der histopathologischen Beurteilung überein. Die KI-Analyse erbrachte ähnliche Ergebnisse. Dysplastische und maligne Zellen wurden von der KI mit einer Sensitivität von 94% und einer Spezifität von 81% erkannt.
Fazit
Bürstenabstriche sind ein zuverlässiges diagnostisches Instrument. Die Nutzung künstlicher Intelligenz zur Detektion, Segmentierung, sowie Klassifizierung dysplastischer Zellen stellt ein nützliches Hilfsmittel in der Diagnostik bzw. dem Screening suspekter oraler Läsionen dar. Publication History Article published online: 19 April 2024 © 2024. Thieme. All rights reserved. Georg Thieme Verlag KG Rüdigerstraße 14, 70469 Stuttgart, Germany
Zitieren
APA
Helfrich, J., Jan, P. K., Wagner, M., Hecker, D., Schick, B., Lohscheller, J., & Linxweiler, M. (2024). Nutzung Künstlicher Intelligenz zur automatisierten Analyse flüssigkeitsbasierter Bürstenabstriche – Entwicklung eines Screening Tools für Kopf-Hals-Tumoren basierend auf Deep Learning Algorithmen. Laryngo-Rhino-Otologie, 103(S 02 S 02), S27. https://doi.org/10.1055/s-0044-1784022
Vancouver
Helfrich J, Jan PK, Wagner M, Hecker D, Schick B, Lohscheller J, et al. Nutzung Künstlicher Intelligenz zur automatisierten Analyse flüssigkeitsbasierter Bürstenabstriche – Entwicklung eines Screening Tools für Kopf-Hals-Tumoren basierend auf Deep Learning Algorithmen. Laryngo-Rhino-Otologie. 2024;103(S 02 S 02):S27. doi:10.1055/s-0044-1784022
BibTeX
@article{Helfrich2024,
author = {Helfrich, Johanna and Jan, Philipp Kühn and Wagner, Mathias and Hecker, Dietmar and Schick, Bernhard and Lohscheller, Jörg and Linxweiler, Maximilian},
title = {Nutzung Künstlicher Intelligenz zur automatisierten Analyse flüssigkeitsbasierter Bürstenabstriche – Entwicklung eines Screening Tools für Kopf-Hals-Tumoren basierend auf Deep Learning Algorithmen},
journal = {Laryngo-Rhino-Otologie},
year = {2024},
volume = {103},
number = {S 02 S 02},
pages = {S27},
doi = {10.1055/s-0044-1784022}
}
EUVIMED